本文从传统的实小波(CWT)定义出发，研究了小波变换对信号的分解和重构的基本原理。二元树复小波变换(Dual-TreeCWT)是一种新的小波变换，它不仅保持了传统实小波变换多分辨率特性和时频局部化的分析能力，而且具有更好的方向选择性、平移不变性和有限的数据冗余等特点。其近似的平移不变性恰好可以解决小波变换不能解决的因信号平移而导致各尺度上能量分布发生变化的问题，二元树复小波变换良好的方向选择性使其在每一尺度上可以分解为8个子带，反映细节特征的高频部分能分别描述±150，±450，±750共6个方向的属性，所以它能反映出灰度图像在不同分辨率下沿更多方向的变化情况，从而更好的描述图像的方向特征。本文将二元树复小波变换和矩阵的奇异值分解结合在一起应用于车牌汉字特征提取，利用前者近似的平移不变性和良好的方向选择性对预处理后的灰度字符图像进行分解和重构，得到的1个低频子图和6个高频子图，利用矩阵奇异值分解提取每个子图的稳定的奇异值特征构成一个特征矢量，为了提高神经网络的计算效率和收敛率，先对特征矢量进行降维和归一化处理，然后输入BP神经网络进行训练和模拟，得到了很好的识别率。 　　最后将实验结论同二维实小波变换所做的结果作了比较，前者性能明显优于后者。